基于LMD和RBF结合的齿轮箱故障诊断.pdfVIP

2015年 4月 机床与液压 Apr．2015 第43卷 第 7期 MACHINET00L HYDRAULICS Vo1．43No．7 DOI：10．3969／j．issn．1001—3881．2015．07．046 基于 LMD和RBF结合的齿轮箱故障诊断 刘述文，潘宏侠，刘涛涛 (中北大学机械与动力工程学院，山西太原030051) 摘要：局域均值分解 (LocalMeanDecomposition，LMD)是近年来出现的一种新的时频分析方法 ，在机械设备故障诊断 领域中的应用 日益广泛。针对齿轮箱振动故障信号的非平稳性和非线性 ，提出了一种基于局域均值分解和径向基函数神经 网络 (RadialBasisFunctionNeuralNetwork，RBF)相结合的齿轮箱故障诊断方法。该方法利用小波包对原始信号进行消噪； 利用LMD对处理后信号进行分解 ，得到一系列PF分量 (ProductFunction，PF)；选取包含主要故障信息的PF分量并从中 提取偏度系数等特征参数对 RBF神经网络进行训练，并对齿轮箱故障进行识别和分类。通过实例验证了该方法的有效性。 关键词：齿轮箱；LMD；RBF神经网络；故障诊断 中图分类号：TK427 文献标志码 ：A 文章编号：1001—3881(2015)7-181—4 GearboxFaultDiagnosisBasedonLocalMeanDecomposition(LMD)and RadialBasisFunctionNeuralNetwork fI F) LIU Shuwen，PAN Hongxia．LIU Taotao (SchoolofMechanicalEngineeringandAutomation，NorthUniversityofChina，TaiyuanShanxi030051，China) Abstract：Localmeandecomposition(LMD)isanewtime-frequencyanalysismethodappearedinrecentyears，thefieldof印一 plieation infaultdiagnosisincreasinglywidespread．AfaultdiagnosisapproachforGearboxbasedonlocalmeandecompositionandRa— dialBasisFunctionNeuralNetwork (RBF)wasproposedfornon-steadyandnonlinearsigna1．Waveletpacketwascarriedouttopre— processthesignal whichcontainslargeofbackgroundnoise．TheLMD wasused todecomposethepreprocessedsignalintomanyof ProductFunction(PF)components．ThePFcomponentwasselectedwhichcontainsmainfaultinformationandfeaturevectorsuchas thecoefficientofskewnesswasextracted，andfeaturevectorwasputintotheRBFneuralnetworkofrthefaultidentificationandclassi- tier．Theexamplesshowsthatthismethodiseffective． Keywords：Gerabox；LMD；RBF；Faultdiagnosis 0 前言 上提出了一种新型 自适应的时频分析方法——局域 齿轮箱是工业生产中用来连接和传递动力 的通 均值分解 (LocalMeanDecomposition，LMD)，该方法 用机械设备 ，广泛应用于